腾讯AI Infra强化学习工程师-(深圳)or(北京)or
任职要求
1.算机科学、软件工程、人工智能等相关专业，3 年以上工程化开发经验（含 1 年以上 RL 或深度学习基础设施相关经验）； 2.熟练掌握 Python 编程，具备扎实的工程编码能力，熟悉 C/C++ 者优先（底层优化场景）； 3.深入理解深度学习框架（PyTorch），精通分布式训练原理与实践（FSDP/DeepSpeed/Megatron/Ray 等工具使用经验）； 4.具备强化学习基础，理解 RL 训练流程（智能体、环境、奖励机制、经验回放等核心组件），熟悉主流 RL 框架（Ray、VERL、rllm、Agentlightning）者优先； 5.具备复杂系统设计能力，能独立负责基础设…
工作职责
1.负责LLM RL、Agentic RL强化学习训练框架的设计、开发与性能优化，支撑大规模 RL 算法（如 PPO、DQN、GRPO等）的高效落地； 2.构建分布式训练体系，优化训推异步、partial rollout、数据并行、模型并行、Replay Buffer分布式存储与调度策略，提升 GPU 利用率与训练吞吐； 3.设计并实现 RL 训练全流程工具链：包括环境封装、数据预处理、模型版本管理、训练日志监控、指标可可视化（TensorBoard/Weights & Biases）等； 4.解决 RL 训练中的工程瓶颈：如样本传输延迟、GPU 显存溢出、训练稳定性（梯度爆炸 / 消失）等问题，提供工程化解决方案； 5.与 RL 算法团队紧密协作，理解算法需求并迭代基础设施，适配多场景的训练需求； 6.跟进强化学习与分布式训练领域的前沿技术（如 VERL、rllm、Agentlightning、Ray、Megatron-LM等），并落地到实际系统中。
1. LLM+NPC系统设计：参与基于大语言模型的智能NPC核心系统开发，解决多轮对话、情境理解、行为决策等技术问题，平衡模型效果、响应延迟与计算成本。 2. LLM深度优化与定制：针对游戏NPC场景（如剧情推进、任务引导、自由对话、阵营对抗），优化LLM的微调策略（LoRA/QLoRA/Adapter等）、知识注入（游戏世界观/角色背景/历史交互）、指令对齐（贴合游戏设定与玩家预期）及安全过滤机制。 3. 动态进化与个性化：构建NPC的“记忆-学习”系统，支持基于玩家历史交互的长期记忆存储与动态关系演化，保障NPC行为逻辑的独特性与成长性。
1、与机器学习工程师紧密协作，负责将端到端模仿学习、强化学习和大语言模型等最新技术部署于人形机器人中，开发并优化深度学习的 C++ 推理管道； 2、设计并实现通信、数据采集、监控等中间件，优化机器人算力，确保软件和算法的高性能与稳定运行； 3、开发机器人 DevOps 和 MLOps 流程，将机器人软件与模型集成到 CI/CD 平台中； 4、与跨部门团队紧密合作，确保软件解决方案的兼容性和性能优化，推动项目成功落地； 5、积极探索新兴技术与工程领域，影响并参与团队的技术决策。
1、与机器学习工程师紧密协作，负责将端到端模仿学习、强化学习和大语言模型等最新技术部署于人形机器人中，开发并优化深度学习的 C++ 推理管道； 2、开发机器人研发工具链，如可视化、数据转发、上位机等软件，加速各个团队研发落地； 3、设计并实现通信、数据采集、监控等中间件，优化机器人算力，确保软件和算法的高性能与稳定运行； 4、开发机器人 DevOps 和 MLOps 流程，将机器人软件与模型集成到 CI/CD 平台中； 5、与跨部门团队紧密合作，确保软件解决方案的兼容性和性能优化，推动项目成功落地； 6、积极探索新兴技术与工程领域，影响并参与团队的技术决策。
1、与机器学习工程师紧密协作，负责将端到端模仿学习、强化学习和大语言模型等最新技术部署于人形机器人中，开发并优化深度学习的 C++ 推理管道； 2、设计并实现通信、数据采集、监控等中间件，优化机器人算力，确保软件和算法的高性能与稳定运行； 3、开发机器人 DevOps 和 MLOps 流程，将机器人软件与模型集成到 CI/CD 平台中； 4、与跨部门团队紧密合作，确保软件解决方案的兼容性和性能优化，推动项目成功落地； 5、积极探索新兴技术与工程领域，影响并参与团队的技术决策。